Saludos, a mi parecer ya resolviste tu interrogante es cuestión de aclarar conceptos, el modulo r.covar de GRASS te genera una matriz de Covarianza que expresa el “grado de similitud en los comportamientos de dos o más variables, es una medida de que tan fuerte es su correlación”. Debes considerar que la correlación es la Covarianza Normalizada entre -1 y 1 (esta es una cita de un documento cuyo enlace te dejo más adelante).
http://www2.famaf.unc.edu.ar/institucional/biblioteca/trabajos/638/16924.pdf
Pag 11
En cuanto a lo que señalas sobre una matriz de errores de omisión y comisión, eso es otra cosa, te interesa dicha matriz en un proceso de evaluación de una clasificación de imágenes de satélite, cuyo resultado es expresado en un valor del Índice Kappa. Puedes preguntar sobre ello para darte más detalles y hace poco se publico un articulo sobre clasificación supervisada.
Ahora bien ¿es posible calcular la matriz de correlación?, es posible, es más, incluso (según vi en un foro) podemos calcular el coeficiente r de cada pixel, el detalle es que programa utilizar Ilwis, Idrisi, SAGA.
Es mejor SAGA por ser Open Source y estar integrado a QGis:
Calculando y graficando la correlación entre dos raster:
En SAGA en Data seleccionas un Raster haces clic botón derecho luego seleccionas Scater Plot, sale una caja de dialogo para que selecciones el raster con el que vas a comparar y como resultado te despliega un bonito grafico de dispersión con la ecuación de regresión y un valor de r2, si le das al botón Properties puedes ir cambiando de Raster hasta que los compares todos
Ojo esto funciona si los Raster están en el mismo sistema y coinciden en su extensión sino hay que aplicar Grid Resampling
Obteniendo un raster de correlación
Fíjate en el menú Imagery/Analysis/Textural Feature: introduces una serie de Raster y él te permite múltiples Raster de salida, entre ellos Correlation, Measure of correlation 2, la verdad no estoy seguro si es lo que estamos buscando pero es cuestión de indagar (es una opción hay otras)